电信业用户超级细分实践案例分析

　　市场细分本质是对需求的细分，但由于需求难以直接衡量，考虑到需求本身体现在用户身上，所以一般也理解为对用户的细分。用户细分就是根据用户的人口统计特征、消费行为特点、态度价值观等的差异，运用系统科学的方法将用户分群，选择其中一个或几个用户群作为公司服务的主要群体，为其提供更好的产品和服务的过程。

　　在电信市场，市场细分应用已经有近10年的历史，从最初的基于人群社会特征形成的全球通、动感地带、神州行品牌，到后续的数据业务推广、服务差异化应用等，都起到了积极的作用。随着移动用户市场的普及与高饱和时期的到来，网络升级和智能终端的大量应用，促使运营商运营重点已经从用户新增发展转入用户维系保有为主、从语音发展转入流量发展为主的新时期。市场特征和需求的改变，传统的以有限维度为支撑的大众细分已经不能满足新时期的精细化、精准化运营需求，必须向超级细分运营管理升级。

　　一、用户超级细分内涵

　　用户超级细分，即以用户基本特征为基础、以消费决策行为的全过程、多因素为关注点，进行多维有机组合的细分过程。以一个换机个人用户为例：影响用户消费决策的过程和考虑因素包括用户基本特征（年龄、性别、职业等）、信息获取、比较（终端价格、号码优劣、资费水平、产品类型、促销活动等）、购买实施（渠道、付款模式等）、使用感知（资费透明、服务可靠、通话质量保障、网络速度、充值便利可靠等）、评论传播（互动），超级细分就是要在这个全过程、多要素进行多维有机组合，实现用户特征-产品-渠道-消费引导-使用互动的精确适配。

　　要对用户进行超级细分，首先需要建立用户知识中心，即综合用户多维信息，应用数据统计分析和数据挖掘技术，对用户构建体系化的标签库体系。在实践应用中，用户标签库涵盖三个类别：基础型标签、统计型标签和挖掘型标签。基础型标签即为在与用户交互过程中直接形成的标签，如用户在办理入网时必须进行实名认证，此时即会形成姓名、身份证号码等标签；统计型标签即为基于用户的日常通信行为，基于数据统计分析形成的标签，如通话次数、短信次数、上网次数、换机次数等标签；挖掘型标签即为基于用户的基础型标签和统计型标签，经过数据挖掘模型形成的标签，如是否双机用户、是否离网预警用户、是否流量消费抑制用户等。

　　在基础型标签、统计型标签和挖掘型标签中，挖掘型标签通常是对用户的消费偏好、倾向等进行识别，构建丰富的挖掘型标签是精细化运营的关键。挖掘型标签的构建，通常需要使用数学模型或业务模型，其构建通常可以划分为五个步骤：提出问题（标签需求）、构建理论假设、数据处理、模型输出和检验、模型发布。

　　在构建形成丰富的用户标签库后，即可基于业务需求，对用户标签进行有机组合，以形成用户超级细分。如在存量维系时，我们希望对高价值的跨网双卡未合约捆绑的全球通用户开展针对性的营销，此时，就可以组合应用用户价值（标签值为高）、是否跨网双卡用户（标签值为是）、是否合约捆绑（标签值为否）、用户品牌（标签值为全球通）四个用户标签，形成目标用户，进而基于用户的第一渠道偏好标签（标签值为外呼、营业厅、短信、邮件、社会渠道、或网厅）、第一营销活动偏好标签（标签值如话费型、终端型、实物型、业务体验型等），有效的支撑精细化运营。

　　二、用户超级细分实践案例分析

　　以Z省为例，该省移动用户规模超5000万，年运营收入近400亿，通过长期的精耕细作，用户市场份额持续保持在67%以上，智能手机的普及率已经超过46%，其中TD智能手机普及率已达27%，流量使用普及率达到72%，在手机普及率达到120%的市场环境中，用户存量保有维系和流量经营成为公司个人市场运营发展的两大主题，其中尤以流量经营为重点。如何提升用户的流量消费？需要帮助用户解决五个“用”——不能用、不会用、不敢用、不好用、不够用。通过对用户在这五个用上的归属，首先把用户细分为五大类，在此基础上，再结合用户其他标签进行有机组合形成超级细分群。

　　1.不能用。不能用主要是解决用户业务准入问题，即用户是否开通GPRS业务。基于是否开通GPRS用户标签，首先把能用和不能用的用户进行细分。针对不能用（也即未开通GPRS业务）用户，进一步细分不能用的用户为潜在的和非潜在，并基于细分开展针对性的调研洞察，从而形成差异化的精细化、精准化运营策略和措施。

　　2.不会用。不会用主要是在用户解决业务准入问题后，还需要解决软硬件准入问题，也就是解决网络使用设置、流量消耗应用安装和使用问题。基于是否开通GPRS用户标签（标签值为是）、GPRS流量额标签（标签值为0）组合，结合跨月度检验（连续多个月份满足该条件），形成新的流量提升细分用户标签——是否流量不会用用户（标签值为是）。界定目标用户后，可结合用户的渠道偏好标签，对用户形成差异化的渠道适配分流再细分，如针对短信习惯用户，可通过短信或彩信的方式告知用户网络使用设置的方法和流量消耗应用安装的链接，针对营业厅偏好用户通过外呼、IVR语音的方式告知用户附近的服务网点，帮助用户解决不会用的问题。

　　3.不敢用。不敢用主要是解决用户在流量使用消费过程中因担心流量消费形成高额资费而抑制流量消费的问题。该类型用户通常具备以下特征：日流量特征为月尾之前日流量较高，月尾日流量突然降低，累计流量特征为上升到套餐值附近便不再产生流量或产生极少流量，俗称悬崖效应；剩余流量查询次数特征为月尾的查询次数明显增加等（如下图所示），通过数据模型可形成是否不敢用用户标签。结合用户终端类型、是否小流量套餐包、最近6个月流量套餐变更次数、是否视频用户等标签，可对不敢用用户进行超级细分，进而形成差异化的营销策略。此外，还可结合最近6个月是否有流量套餐变更、是否多媒体内容消费（音频、视频）偏好用户等标签，形成更加精准的细分识别。

　　4.不好用。不好用主要是解决用户在流量消费过程中的使用体验，具体包括终端使用体验、网络使用体验和内容消费体验。在终端使用体验上，基于用户终端使用知识（终端品牌、终端价格、终端使用时间、是否捆绑、捆绑剩余月份数、最近1年换机次数等标签），及时为用户提供换机、3G切换等服务和引导，改善用户终端使用体验；在网络使用体验上，基于用户2G/3G网络切换次数、3G网络消耗流量、WLAN使用时长等标签，及时为用户提供融合网络使用解决方案；基于用户URL消费特征，形成用户内容消费偏好，进而提供精准的应用推荐服务。

　　5.不够用。不够用主要是解决用户在流量消费过程中频繁出现的超额消费问题。不够用用户首先可以通过跨月度周期的流量套餐包金额、流量费用金额标签识别（一定周期内，出现较多频次的流量费用金额>流量套餐包金额情况），针对流量不够用的用户提供人性化提醒和流量消耗自动经济升级1服务 。进一步的，根据用户流量消费内容偏好标签，提供具备相似功能、但更节省流量的应用替代。

　　Z省移动基于超极细分的客户运营理念、通过构建体系化的用户知识中心（目前已经形成数百个用户标签），基于不能用、不会用、不敢用、不好用、不够用的用户细分大类，结合用户在终端、流量套餐、流量套餐费用、内容偏好以及时间等维度的标签信息，对用户持续细分细化，不仅加深了对用户的洞察，同时在提供更加精准的用户营销、提高用户营销成功率、节约营销成本方面发挥了积极作用。

　　三、用户超级细分实践未来发展

　　1964年，丹尼尔·扬克洛维奇在《哈佛商业评论》上发表《市场细分新标准》中提出非人口统计学细分，融合价值观、品牌、偏好等因素以提升用户细分价值；更可能影响客户购买行为的非人口统计特征首次丰富了用户细分理论。2006年，丹尼尔·扬克洛维奇在《哈佛商业评论》上发表《重新找回市场细分价值》，进一步融合了用户的行为和情感因素，以提升用户细分的价值。用户超级细分，是人口统计特征、非统计特征、用户消费决策行为过程、决策行为动机以及电信大数据技术综合应用的新探索。

　　未来，随着大数据时代来临，用户知识积累和基于用户知识的自动化超级用户细分和应用能力将成为企业运营的核心竞争力。在用户知识方面，通过跨界数据整合的用户知识丰富将是未来进一步整合和发展方向，同时以用户知识为基础的能力开发也将成为企业运营的新的业务增长点。在基于用户知识的自动化超级用户细分和应用方面，融合基于典型场景的自动化营销规则库、自动化营销平台，以个性化推荐引擎为营销助力，对每个用户开展一对一的个性化营销将是用户超级细分的终极目标。